第十七章：算法交易基础

各位同学，今天我们来聊聊算法交易。说实话，这个领域我摸爬滚打了快十年，踩过的坑比写过的代码还多。你想想看，一个订单从你按下回车到最终成交，中间经历了什么？嗯，这就是我们今天要拆解的核心。

17.1 为什么需要算法交易？

先问个问题：你手上有100万股要卖，你会怎么操作？

直接挂一个大单？那市场直接给你砸穿三个价位。拆成小单慢慢卖？那得卖到猴年马月去。算法交易就是来解决这个矛盾的——既要降低市场冲击，又要控制时间成本。

我个人习惯把算法交易比作「切蛋糕」。大订单就是整块蛋糕，你不能一口吞下去，得切成小块，一口一口吃。但怎么切、切多大、什么时候吃，这就是算法的活了。

17.2 三大经典算法

17.2.1 TWAP（时间加权平均价格）

TWAP 是最朴素的算法。说白了，就是把交易时间等分成N段，每段执行等量的订单。

举个例子：你要在1小时内卖出100万股，TWAP 会把它切成60份，每分钟卖16667股。不管市场怎么波动，我就按这个节奏来。

适用场景：

• 流动性较好的股票
• 对时间要求严格，对价格不敏感
• 需要隐藏交易意图的场景

代码示例（Python）：

def twap_schedule(total_qty, total_seconds, interval=60):
    """
    TWAP 切片逻辑
    :param total_qty: 总成交量
    :param total_seconds: 总时间（秒）
    :param interval: 切片间隔（秒）
    """
    slices = total_seconds // interval
    qty_per_slice = total_qty / slices
    
    schedule = []
    for i in range(slices):
        schedule.append({
            'time': i * interval,
            'qty': qty_per_slice
        })
    return schedule

17.2.2 VWAP（成交量加权平均价格）

VWAP 比 TWAP 聪明一点。它不按时间等分，而是按历史成交量分布来分配订单。

你想想看，上午10点和下午2点的成交量能一样吗？显然不能。VWAP 会参考过去N天的成交量分布，在成交量大的时段多卖，成交量小的时段少卖。

核心公式：

VWAP = Σ(价格 × 成交量) / Σ(成交量)

切片逻辑：

def vwap_schedule(total_qty, volume_profile):
    """
    VWAP 切片逻辑
    :param volume_profile: 历史成交量分布（列表）
    """
    total_volume = sum(volume_profile)
    schedule = []
    
    for i, vol in enumerate(volume_profile):
        ratio = vol / total_volume
        qty = total_qty * ratio
        schedule.append({
            'time_slot': i,
            'qty': qty,
            'ratio': ratio
        })
    return schedule

17.2.3 POV（成交量参与率）

POV 的思路更直接：我不管时间，也不管历史分布，我就盯着市场的实时成交量。市场成交快，我就跟着快；市场成交慢，我就放慢节奏。

比如你设定参与率为10%，那么市场每成交1000股，你就成交100股。这样你的订单就像「隐身」在市场里一样。

核心逻辑：

def pov_schedule(market_volume, participation_rate=0.1):
    """
    POV 动态调整
    :param market_volume: 当前市场成交量
    :param participation_rate: 目标参与率
    """
    my_qty = market_volume * participation_rate
    return my_qty

17.3 算法交易的生命周期

一个算法订单从出生到死亡，大概经历这么几个阶段。我画了张图，你们感受一下：

这张图我画了好几个版本，最终选了这种环形结构。为什么？因为算法交易不是线性的，它是个闭环。

17.3.1 订单接收

这是起点。交易员或者系统把大订单扔进来。我见过最夸张的一次，某机构直接甩了500万股的市价单，吓得我赶紧启动了紧急风控。

17.3.2 参数校验

这一步很多人会忽略，但恰恰是最重要的。检查什么？

• 订单金额是否超过风控限额
• 股票是否在可交易名单里
• 当前市场状态是否允许交易（比如盘前、盘中、盘后）
• 算法参数是否合理（比如参与率不能超过50%）

17.3.3 切片生成

这就是我们前面讲的 TWAP、VWAP、POV 的核心逻辑。算法根据策略生成一系列子订单。

17.3.4 执行

子订单被发送到交易所。这里有个细节：是直接发到交易所，还是先发到券商？不同的路径延迟不一样。我个人习惯直接对接交易所，能省掉几十毫秒的延迟。

17.3.5 实时反馈调整

这是算法交易的精髓。执行过程中，算法会不断收集市场数据，然后动态调整后续的切片。

举个例子：你用 VWAP 算法，结果发现当前时段的成交量只有历史均值的60%。怎么办？

• 方案A：继续按原计划执行，最后肯定完不成
• 方案B：把未完成的量摊到后续时段
• 方案C：降低参与率，延长执行时间

我一般选方案B，但会加一个「最大时间限制」。超过这个时间还没完成，就强制撤单。

17.3.6 统计评估

订单执行完毕后，需要算一笔账：

• 实际成交均价 vs 目标均价
• 滑点成本
• 市场冲击成本
• 完成率

这些数据会反馈到算法参数里，用于下一次优化。说白了，这就是个不断迭代的过程。

好了，这一章的内容就到这里。下一章我们会深入讲「订单簿动态与限价订单簿重建」，那才是真正考验功力的地方。